JuniorТеорияЧасто

Что выведет эта программа?

Python

import numpy as np
from sklearn.preprocessing import PolynomialFeatures

X = np.array([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
X_poly = PolynomialFeatures(degree=2).fit_transform(X)
print(X_poly.shape[1])

Ждать 5: по умолчанию include_bias=True добавляет столбец из единиц, поэтому столбцы — 1, a, b, a², a·b и b².
Ждать 9, считая a·b и b·a по отдельности: это одно произведение, и PolynomialFeatures создаёт для него один столбец.

Какие столбцы исчезнут с include_bias=False и почему они не нужны LinearRegression?
Как вырастет число столбцов, если добавить третий входной признак при той же степени?

Назад к вопросам Открыть тему в роадмапе →Ответь сам — Quiz

Назад к вопросам

JuniorТеорияЧасто

Что выведет эта программа?

Python

import numpy as np
from sklearn.preprocessing import PolynomialFeatures

X = np.array([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
X_poly = PolynomialFeatures(degree=2).fit_transform(X)
print(X_poly.shape[1])

Ждать 5: по умолчанию include_bias=True добавляет столбец из единиц, поэтому столбцы — 1, a, b, a², a·b и b².
Ждать 9, считая a·b и b·a по отдельности: это одно произведение, и PolynomialFeatures создаёт для него один столбец.

Какие столбцы исчезнут с include_bias=False и почему они не нужны LinearRegression?
Как вырастет число столбцов, если добавить третий входной признак при той же степени?

Назад к вопросам Открыть тему в роадмапе →Ответь сам — Quiz